Development of a machine learning model to predict of delirium in cardiac surgery using preoperative data and EEG

本年度中は、心臓血管外科術後せん妄予測機械学習モデルの構築のために、データ収集と解析、学会発表を行った。データ収集は大阪大学医学部附属病院心臓血管外科にて行い123名の同意を得た。電子カルテと直接訪問によるデータ収集のほか、簡易脳波計"HARU-1"（PGV株式会社）にて脳波データを記録した。せん妄評価は術後７日間の追跡で、DSM-Vの診断基準に則り行った。収集したデータは、連続変数の２値変換や、主成分分析等を用いた次元圧縮、周波数分析などを行い、予測に最適なデータ型を探索した。その後、単変量解析や機械学習的手法により複数の特徴量セットを抽出し、その各々を機械学習アルゴリズムにかけ分析した。予測モデルの評価指標にはArea Under the Receiver Operating Characteristic curveのほか、Area Under the Precision-Recall Curve、感度、特異度等を用い、より有用性の高いモデルについて協議した。データ収集はベッドサイドにてiPadを用いて行い、分析にはMacBook Pro等を使用し、これらの機器およそ60万円のほか解析手法や精神失敬疾患に関する文献、白衣等、合計90万円程度の物品費を使用した。また心臓血管外科におけるせん妄の発生状況や、術式等で区分したサブグループにおけるモデル構築過程とその検証結果について、国内２学会（第53回日本看護学会学術集会、第87回日本循環器学会学術集会）で発表した。学会へは情報収集のため大学院生3名が同行し、当研究費よりおよそ30万円を使用した。上記の成果として、せん妄発症患者と非発症患者における平常時脳波の周波数的特徴やせん妄リスク因子が導かれ、交差検証にて高い精度を示す予測モデルが構築された。以後、構築したモデルの更なる検証と改良を行う。

本年度中は、心臓血管外科術後せん妄予測機械学習モデルの構築のために、データ収集と解析、学会発表を行った。データ収集は大阪大学医学部附属病院心臓血管外科にて行い123名の同意を得た。電子カルテと直接訪問によるデータ収集のほか、簡易脳波計"HARU-1"（PGV株式会社）にて脳波データを記録した。せん妄評価は術後７日間の追跡で、DSM-Vの診断基準に則り行った。収集したデータは、連続変数の２値変換や、主成分分析等を用いた次元圧縮、周波数分析などを行い、予測に最適なデータ型を探索した。その後、単変量解析や機械学習的手法により複数の特徴量セットを抽出し、その各々を機械学習アルゴリズムにかけ分析した。予測モデルの評価指標にはArea Under the Receiver Operating Characteristic curveのほか、Area Under the Precision-Recall Curve、感度、特異度等を用い、より有用性の高いモデルについて協議した。データ収集はベッドサイドにてiPadを用いて行い、分析にはMacBook Pro等を使用し、これらの機器およそ60万円のほか解析手法や精神失敬疾患に関する文献、白衣等、合計90万円程度の物品費を使用した。また心臓血管外科におけるせん妄の発生状況や、術式等で区分したサブグループにおけるモデル構築過程とその検証結果について、国内２学会（第53回日本看護学会学術集会、第87回日本循環器学会学術集会）で発表した。学会へは情報収集のため大学院生3名が同行し、当研究費よりおよそ30万円を使用した。上記の成果として、せん妄発症患者と非発症患者における平常時脳波の周波数的特徴やせん妄リスク因子が導かれ、交差検証にて高い精度を示す予測モデルが構築された。以後、構築したモデルの更なる検証と改良を行う。